传统的无网格压缩感知在进行波达方向(Direction of Arrival,DOA)估计时,使用凸优化工具箱(如CVX)来求解半正定规划问题(Semi-Definite Programming,SDP),所消耗的时间会随着矢量水听器阵列规模的增加,逐渐增大。为了提高算法的收敛速度...传统的无网格压缩感知在进行波达方向(Direction of Arrival,DOA)估计时,使用凸优化工具箱(如CVX)来求解半正定规划问题(Semi-Definite Programming,SDP),所消耗的时间会随着矢量水听器阵列规模的增加,逐渐增大。为了提高算法的收敛速度,将交替方向乘子法(Alternative Direction Method of Multiplier,ADMM)应用到矢量水听器阵列的DOA估计中,考虑到海洋环境噪声,使用原子范数去噪方法(Atomic Norm Soft Thresholding,AST)来估计线谱参数,将原子范数最小化问题(Atomic Norm Minimization,ANM)转化为SDP问题,使用ADMM对SDP问题进行求解,最后使用对偶多项式估计角度。为了验证ADMM算法的性能,在不同信噪比和矢量阵元数条件下,与快速求根多重信号分类(Root-Multiple Signal Classification,ROOTMUSIC)算法和CVX进行对比仿真实验。结果表明,ADMM在保证DOA估计模型收敛性的同时,提高了算法效率。展开更多
该文将压缩感知(CS)中信号的重构问题归结为求解l0-正则化问题,针对l0-正则化问题求解比较困难,提出了快速交替方向乘子法(FADMM)。该算法首先将信号的稀疏域的l0-正则化问题通过变量分裂技术转化为约束优化问题;然后引入乘子函数,采用...该文将压缩感知(CS)中信号的重构问题归结为求解l0-正则化问题,针对l0-正则化问题求解比较困难,提出了快速交替方向乘子法(FADMM)。该算法首先将信号的稀疏域的l0-正则化问题通过变量分裂技术转化为约束优化问题;然后引入乘子函数,采用一步Gauss-Seidel思想,对优化问题中的变量极小化;为了加快算法的收敛速度,对变量进行了二次更新,并更新了乘子;最后进行反正交变换,实现对原始信号的重构。将FADMM应用于含噪声图像的重构,进行了仿真实验及对实验结果进行了分析。实验结果表明:FADMM具有更高的峰值信噪比(Peak Signal to Noise Ratio,PSNR)和更快速的收敛速度。展开更多
随着风电大规模并网,其波动性、间歇性及时空相关性对可用输电能力(available transfer capability,ATC)计算带来极大挑战,建立考虑风速时空相关性的基于直流潮流的含风电场系统可用输电能力计算模型。同时考虑风速时空相关性与负荷波...随着风电大规模并网,其波动性、间歇性及时空相关性对可用输电能力(available transfer capability,ATC)计算带来极大挑战,建立考虑风速时空相关性的基于直流潮流的含风电场系统可用输电能力计算模型。同时考虑风速时空相关性与负荷波动性对系统潮流分布的影响,并采用交替方向乘子法(alternating direction method of multipliers,ADMM)对ATC模型进行优化求解,以提高计算速度,实现系统ATC的快速计算。以IEEE-9、IEEE-39、IEEE-118测试系统进行仿真,验证该算法的准确性和有效性。展开更多
借助交替方向乘子法(Alternating Direction Method of Multipliers,ADMM),将多变量正则化最小二乘拟合问题,分解为多个可并行执行的标量优化问题,并引入可调步长因子加速算法,得到一个高度并行的最大分划广义ADMM算法,并应用于正则化...借助交替方向乘子法(Alternating Direction Method of Multipliers,ADMM),将多变量正则化最小二乘拟合问题,分解为多个可并行执行的标量优化问题,并引入可调步长因子加速算法,得到一个高度并行的最大分划广义ADMM算法,并应用于正则化超限学习机.建立了算法的收敛条件,分析了算法的计算复杂度,通过基准现实数据集实验与新近文献方法——最大分划松弛ADMM进行了收敛率比较.在GPU并行加速实验中,基于最大分划广义ADMM的正则化超限学习机获得的大GPU加速比,表明了该算法的高度并行性.展开更多
文摘超大规模多输入多输出(Extremely Large-scale Multiple-Input Multiple-Output,XL-MIMO)系统的信道通常以瑞利距离为边界分为近场信道和远场信道,混合场信道模型用路径数比例因子将球面波前的近场信道模型和平面波前的远场信道模型叠加,致使信道参数维数剧增,信道估计的导频开销极大,且由于离格能量泄露难以获取精确信道参数向量的稀疏度。针对这类通信系统的信道估计问题,为降低导频开销并提高计算效率,分析远场的角度域稀疏信道表示模型和近场的极化域稀疏信道表示模型,在稀疏信号恢复框架下将估计问题转化为L1范数优化问题,提出基于交替方向乘子法(Alternating Direction Method of Multiplier,ADMM)的混合场稀疏信道估计算法,并提出一种改进的ADMM算法,将拉格朗日乘子更新用两步对称的方式迭代计算,使得算法的收敛速度更快,计算效率更高。这两种算法可摆脱常规正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法对信道稀疏度的依赖,相比于OMP算法在估计精度方面有较大提升。
文摘传统的无网格压缩感知在进行波达方向(Direction of Arrival,DOA)估计时,使用凸优化工具箱(如CVX)来求解半正定规划问题(Semi-Definite Programming,SDP),所消耗的时间会随着矢量水听器阵列规模的增加,逐渐增大。为了提高算法的收敛速度,将交替方向乘子法(Alternative Direction Method of Multiplier,ADMM)应用到矢量水听器阵列的DOA估计中,考虑到海洋环境噪声,使用原子范数去噪方法(Atomic Norm Soft Thresholding,AST)来估计线谱参数,将原子范数最小化问题(Atomic Norm Minimization,ANM)转化为SDP问题,使用ADMM对SDP问题进行求解,最后使用对偶多项式估计角度。为了验证ADMM算法的性能,在不同信噪比和矢量阵元数条件下,与快速求根多重信号分类(Root-Multiple Signal Classification,ROOTMUSIC)算法和CVX进行对比仿真实验。结果表明,ADMM在保证DOA估计模型收敛性的同时,提高了算法效率。
文摘该文将压缩感知(CS)中信号的重构问题归结为求解l0-正则化问题,针对l0-正则化问题求解比较困难,提出了快速交替方向乘子法(FADMM)。该算法首先将信号的稀疏域的l0-正则化问题通过变量分裂技术转化为约束优化问题;然后引入乘子函数,采用一步Gauss-Seidel思想,对优化问题中的变量极小化;为了加快算法的收敛速度,对变量进行了二次更新,并更新了乘子;最后进行反正交变换,实现对原始信号的重构。将FADMM应用于含噪声图像的重构,进行了仿真实验及对实验结果进行了分析。实验结果表明:FADMM具有更高的峰值信噪比(Peak Signal to Noise Ratio,PSNR)和更快速的收敛速度。
文摘随着风电大规模并网,其波动性、间歇性及时空相关性对可用输电能力(available transfer capability,ATC)计算带来极大挑战,建立考虑风速时空相关性的基于直流潮流的含风电场系统可用输电能力计算模型。同时考虑风速时空相关性与负荷波动性对系统潮流分布的影响,并采用交替方向乘子法(alternating direction method of multipliers,ADMM)对ATC模型进行优化求解,以提高计算速度,实现系统ATC的快速计算。以IEEE-9、IEEE-39、IEEE-118测试系统进行仿真,验证该算法的准确性和有效性。
文摘借助交替方向乘子法(Alternating Direction Method of Multipliers,ADMM),将多变量正则化最小二乘拟合问题,分解为多个可并行执行的标量优化问题,并引入可调步长因子加速算法,得到一个高度并行的最大分划广义ADMM算法,并应用于正则化超限学习机.建立了算法的收敛条件,分析了算法的计算复杂度,通过基准现实数据集实验与新近文献方法——最大分划松弛ADMM进行了收敛率比较.在GPU并行加速实验中,基于最大分划广义ADMM的正则化超限学习机获得的大GPU加速比,表明了该算法的高度并行性.
